La estadística intuitiva , o estadística popular , se refiere al fenómeno cognitivo en el que los organismos utilizan datos para hacer generalizaciones y predicciones sobre el mundo. Puede ser una pequeña cantidad de datos de muestra o instancias de entrenamiento, que a su vez contribuyen a inferencias inductivas sobre propiedades a nivel de población, datos futuros o ambos. Las inferencias pueden implicar la revisión de hipótesis o creencias a la luz de datos probabilísticos que informan y motivan predicciones futuras. La tendencia informal de los animales cognitivos a generar intuitivamente inferencias estadísticas, cuando se formaliza con ciertos axiomas de la teoría de la probabilidad , constituye la estadística como una disciplina académica.
Debido a que esta capacidad puede acomodar una amplia gama de dominios informativos, el tema es igualmente amplio y se superpone sustancialmente con otros fenómenos cognitivos. De hecho, algunos han argumentado que "la cognición como estadístico intuitivo" es una metáfora adecuada que acompaña a la metáfora informática de la cognición. [1] Otros apelan a una variedad de mecanismos estadísticos y probabilísticos detrás de la construcción de la teoría [2] [3] y la estructuración de categorías. [4] [5] La investigación en este dominio comúnmente se enfoca en generalizaciones relacionadas con el número, frecuencia relativa, riesgo y cualquier firma sistemática en la capacidad inferencial que un organismo (por ejemplo, humanos o primates no humanos) pueda tener. [1] [6]
Antecedentes y teoría
Las inferencias intuitivas pueden implicar la generación de hipótesis a partir de los datos sensoriales entrantes, como la categorización y la estructuración de conceptos . Los datos son típicamente probabilísticos y la incertidumbre es la regla, más que la excepción, en el aprendizaje, la percepción, el lenguaje y el pensamiento. [7] [8] Recientemente, los investigadores han extraído ideas de la teoría de la probabilidad , la filosofía de la mente , la informática y la psicología para modelar la cognición como un sistema predictivo y generativo de representaciones probabilísticas , permitiendo que las estructuras de información apoyen múltiples inferencias en una variedad de contextos y combinaciones. [8] Este enfoque ha sido llamado lenguaje probabilístico de pensamiento porque construye representaciones probabilísticamente, a partir de conceptos preexistentes para predecir un estado posible y probable del mundo. [5]
Probabilidad
Los estadísticos y teóricos de la probabilidad han debatido durante mucho tiempo sobre el uso de diversas herramientas, supuestos y problemas relacionados con la inferencia inductiva en particular. [1] David Hume consideró célebremente el problema de la inducción , cuestionando los fundamentos lógicos de cómo y por qué las personas pueden llegar a conclusiones que se extienden más allá de las experiencias pasadas, tanto espaciotemporal como epistemológicamente . [9] Más recientemente, los teóricos han considerado el problema enfatizando las técnicas para llegar de los datos a la hipótesis usando procedimientos formales independientes del contenido, o por el contrario, considerando herramientas informales dependientes del contenido para la inferencia inductiva. [10] [11] Las búsquedas de procedimientos formales han dado lugar a diferentes desarrollos en la inferencia estadística y la teoría de la probabilidad con diferentes supuestos, incluidas las estadísticas frecuentistas de Fisher , la inferencia bayesiana y las estadísticas de Neyman-Pearson . [1]
Gerd Gigerenzer y David Murray sostienen que la psicología del siglo XX como disciplina adoptó la inferencia probabilística como un conjunto unificado de ideas e ignoró las controversias entre los teóricos de la probabilidad. Afirman que de esta aceptación se deriva una visión normativa pero incorrecta de cómo los humanos "deberían pensar racionalmente". Sin embargo, también sostienen que la metáfora estadística intuitiva de la cognición es prometedora y deberían considerar diferentes herramientas formales o heurísticas como especializadas para diferentes dominios de problemas, en lugar de un conjunto de herramientas sin contenido o contexto. Los teóricos de la detección de señales y los modelos de detección de objetos, por ejemplo, a menudo utilizan un enfoque de Neyman-Pearson, mientras que las estadísticas frecuentistas de Fisher pueden ayudar a inferencias de causa-efecto. [1]
Inferencia frecuentista
La inferencia frecuente se centra en las proporciones o frecuencias relativas de ocurrencias para sacar conclusiones probabilísticas. Se define por su concepto estrechamente relacionado, probabilidad frecuentista . Esto implica la opinión de que la "probabilidad" no tiene sentido en ausencia de datos preexistentes, porque se entiende como una frecuencia relativa a la que se acercarían las muestras de largo plazo dadas grandes cantidades de datos. [12] Leda Cosmides y John Tooby han argumentado que no es posible derivar una probabilidad sin hacer referencia a alguna frecuencia de resultados anteriores, y esto probablemente tiene orígenes evolutivos : las probabilidades de un solo evento, afirman, no son observables porque los organismos evolucionaron a comprender intuitivamente y hacer inferencias estadísticas a partir de frecuencias de eventos anteriores, en lugar de "ver" la probabilidad como una propiedad intrínseca de un evento. [13]
Inferencia bayesiana
La inferencia bayesiana generalmente enfatiza la probabilidad subjetiva de una hipótesis, que se calcula como una probabilidad posterior usando el teorema de Bayes . Requiere un "punto de partida" llamado probabilidad previa, que ha sido motivo de controversia para algunos frecuentistas que afirman que se requieren datos de frecuencia para desarrollar una probabilidad previa, en contraste con tomar una probabilidad como una suposición a priori . [1] [12]
Los modelos bayesianos han sido bastante populares entre los psicólogos, en particular los teóricos del aprendizaje, porque parecen emular el proceso iterativo y predictivo mediante el cual las personas aprenden y desarrollan expectativas a partir de nuevas observaciones, al tiempo que dan el peso apropiado a las observaciones anteriores. [14] Andy Clark , un científico cognitivo y filósofo, escribió recientemente un argumento detallado en apoyo de la comprensión del cerebro como un motor bayesiano constructivo que está fundamentalmente orientado a la acción y predictivo , en lugar de pasivo o reactivo. [15] Las líneas de evidencia más clásicas citadas entre los partidarios de la inferencia bayesiana incluyen el conservadurismo, o el fenómeno en el que las personas modifican creencias anteriores hacia , pero no del todo, una conclusión implícita en observaciones anteriores. [6] Este patrón de comportamiento es similar al patrón de distribuciones de probabilidad posteriores cuando un modelo bayesiano está condicionado a los datos, aunque los críticos argumentaron que esta evidencia había sido exagerada y carecía de rigor matemático. [dieciséis]
Alison Gopnik abordó más recientemente el problema defendiendo el uso de redes bayesianas o representaciones gráficas dirigidas de dependencias condicionales. En una red bayesiana, los pesos de los bordes son fortalezas de dependencia condicionales que se actualizan a la luz de nuevos datos, y los nodos son variables observadas. La representación gráfica en sí misma constituye un modelo, o hipótesis, sobre el mundo y está sujeta a cambios, dados los nuevos datos. [2]
Teoría de la gestión de errores
La teoría de la gestión de errores (EMT) es una aplicación de las estadísticas de Neyman-Pearson a la psicología cognitiva y evolutiva . Sostiene que los posibles costos y beneficios de aptitud de los errores de tipo I (falso positivo) y tipo II (falso negativo) son relevantes para inferencias adaptativamente racionales, hacia las cuales se espera que un organismo esté sesgado debido a la selección natural . La EMT fue desarrollada originalmente por Martie Haselton y David Buss , y la investigación inicial se centró en su posible papel en el sesgo de sobrepercepción sexual en los hombres y el sesgo de subpercepción sexual en mujeres. [17]
Esto está estrechamente relacionado con un concepto llamado "principio del detector de humo" en la teoría evolutiva. Se define por la tendencia de las defensas inmunes, afectivas y conductuales a ser hipersensibles y sobrereactivas, en lugar de insensibles o débilmente expresadas. Randolph Nesse sostiene que esto es una consecuencia de una estructura de pago típica en la detección de señales : en un sistema que está invariablemente estructurado con un costo relativamente bajo de falsos positivos y alto costo de falsos negativos, se espera que las defensas seleccionadas naturalmente se equivoquen del lado de hiperactividad en respuesta a posibles señales de amenaza. [18] Esta idea general se ha aplicado a hipótesis sobre la aparente tendencia de los seres humanos a aplicar agencia a los no agentes basándose en señales inciertas o similares a agentes. [19] En particular, algunos afirman que es adaptativo que las presas potenciales asuman la agencia de forma predeterminada si se sospecha incluso levemente, porque las amenazas de depredadores potenciales generalmente involucran falsos positivos baratos y falsos negativos letales. [20]
Heurísticas y sesgos
Las heurísticas son reglas eficientes, o atajos computacionales, para producir un juicio o una decisión. La metáfora estadística intuitiva de la cognición [1] condujo a un cambio de enfoque para muchos psicólogos, alejándose de los principios emocionales o motivacionales y hacia principios computacionales o inferenciales. [21] Los estudios empíricos que investigan estos principios han llevado a algunos a concluir que la cognición humana, por ejemplo, tiene errores incorporados y sistemáticos en la inferencia, o sesgos cognitivos . Como resultado, los psicólogos cognitivos han adoptado en gran medida la opinión de que los juicios intuitivos, las generalizaciones y los cálculos numéricos o probabilísticos están sistemáticamente sesgados. El resultado es comúnmente un error de juicio, que incluye (pero no se limita a) falacias lógicas recurrentes (por ejemplo, la falacia de la conjunción), innumerables y atajos de razonamiento motivados emocionalmente. [22] [23] [24] [25] Por lo tanto, los psicólogos sociales y cognitivos han considerado "paradójico" que los humanos puedan superar a las computadoras poderosas en tareas complejas, pero que sean profundamente defectuosos y propensos a errores en juicios simples y cotidianos. [26]
Gran parte de esta investigación fue realizada por Amos Tversky y Daniel Kahneman como una expansión del trabajo de Herbert Simon sobre la racionalidad limitada y la satisfacción . [27] Tversky y Kahneman argumentan que las personas suelen estar sesgadas en sus juicios bajo incertidumbre, porque en una compensación de velocidad-precisión a menudo se basan en heurísticas rápidas e intuitivas con amplios márgenes de error en lugar de cálculos lentos a partir de principios estadísticos. [28] Estos errores se denominan "ilusiones cognitivas" porque implican divergencias sistemáticas entre juicios y reglas normativas aceptadas en la predicción estadística. [29]
Gigerenzer ha sido crítico con este punto de vista, argumentando que se basa en una suposición errónea de que existe una "teoría normativa" unificada de predicción estadística y probabilidad. Su argumento es que los psicólogos cognitivos descuidan la diversidad de ideas y supuestos en la teoría de la probabilidad y, en algunos casos, su incompatibilidad mutua. [30] [13] En consecuencia, Gigerenzer sostiene que muchas ilusiones cognitivas no son violaciones de la teoría de la probabilidad per se , sino que involucran algún tipo de confusión del experimentador entre probabilidades subjetivas con grados de confianza y frecuencias de resultados a largo plazo. [21] Cosmides y Tooby afirman de manera similar que diferentes supuestos probabilísticos pueden ser más o menos normativos y racionales en diferentes tipos de situaciones, y que no existe un conjunto de herramientas estadísticas de propósito general para hacer inferencias en todos los dominios informativos. En una revisión de varios experimentos, concluyen, en apoyo de Gigerenzer, [21] que los experimentos previos de heurística y sesgos no representaban problemas de una manera ecológicamente válida , y que re-representar los problemas en términos de frecuencias en lugar de probabilidades de un solo evento puede hacer que las ilusiones cognitivas desaparezcan en gran medida. [13]
Tversky y Kahneman refutaron esta afirmación, argumentando que hacer desaparecer las ilusiones manipulándolas, ya sean cognitivas o visuales, no socava la ilusión inicialmente descubierta. También señalan que Gigerenzer ignora las ilusiones cognitivas que resultan de los datos de frecuencia, por ejemplo, correlaciones ilusorias como la mano caliente en el baloncesto. [25] Esto, señalan, es un ejemplo de una autocorrelación positiva ilusoria que no puede corregirse mediante datos convertidos a frecuencias naturales. [31]
Para los adaptacionistas , la EMT se puede aplicar a la inferencia bajo cualquier dominio de información, donde el riesgo o la incertidumbre están presentes, como la evitación de depredadores, la detección de agencias o la búsqueda de alimento . Los investigadores que defienden este punto de vista de la racionalidad adaptativa argumentan que la teoría evolutiva proyecta la heurística y los sesgos bajo una nueva luz, es decir, como atajos computacionalmente eficientes y ecológicamente racionales , o instancias de gestión adaptativa de errores. [32]
Descuido de la tasa base
Las personas a menudo descuidan las tasas base o los hechos actuariales verdaderos sobre la probabilidad o la tasa de un fenómeno y, en cambio, dan cantidades inapropiadas de peso a observaciones específicas. [33] [34] En un modelo de inferencia bayesiano, esto equivaldría a una infraponderación de la probabilidad previa, [6] que se ha citado como evidencia en contra de la idoneidad de un marco normativo bayesiano para modelar la cognición. [1] [21] Las representaciones de frecuencia pueden resolver la negligencia de la tasa base, y algunos consideran que el fenómeno es un artefacto experimental, es decir, un resultado de probabilidades o tasas que se representan como abstracciones matemáticas, que son difíciles de pensar intuitivamente. [13] Gigerenzer especula una razón ecológica para esto, señalando que los individuos aprenden frecuencias a través de sucesivas pruebas en la naturaleza. [35] Tversky y Kahneman refutan la afirmación de Gigerenzer, señalando experimentos en los que los sujetos predijeron una enfermedad en función de la presencia o ausencia de síntomas preespecificados en 250 ensayos, con retroalimentación después de cada ensayo. [36] Señalan que todavía se encontró negligencia en la tasa base, a pesar de la formulación de frecuencia de los ensayos de sujetos en el experimento. [31]
Falacia de conjunción
Otro ejemplo popular de una supuesta ilusión cognitiva es la falacia de la conjunción , descrita en un experimento de Tversky y Kahneman conocido como el "problema de Linda". En este experimento, a los participantes se les presenta una breve descripción de una persona llamada Linda, que tiene 31 años, es soltera, inteligente, franca, y fue a una universidad donde se especializó en filosofía, estaba preocupada por la discriminación y la justicia social, y participó. en protestas antinucleares. Cuando se preguntó a los participantes si era más probable que Linda sea (1) cajera de banco o (2) cajera de banco y feminista, el 85% respondió con la opción 2, aunque la opción 1 no puede ser menos probable que la opción 2. Concluyeron que esto era un producto de una heurística de representatividad , o una tendencia a sacar inferencias probabilísticas basadas en similitudes de propiedad entre instancias de un concepto, en lugar de una inferencia estructurada estadísticamente. [24]
Gigerenzer argumentó que la falacia de la conjunción se basa en una probabilidad de un solo evento y se disolvería bajo un enfoque frecuentista. Él y otros investigadores demuestran que las conclusiones de la falacia de la conjunción son el resultado de un lenguaje ambiguo, en lugar de robustos errores estadísticos o ilusiones cognitivas. [37] En una versión alternativa del problema de Linda, se les dice a los participantes que 100 personas encajan con la descripción de Linda y se les pregunta cuántos son (1) cajeros de banco y (2) cajeros de banco y feministas. Experimentalmente, esta versión de la tarea parece eliminar o mitigar la falacia de conjunción. [21] [37]
Modelos computacionales
Ha habido algunas dudas sobre cómo se puede entender la estructuración y generalización de conceptos en términos de arquitectura y procesos cerebrales. Esta pregunta se ve afectada por un debate vecino entre los teóricos sobre la naturaleza del pensamiento, específicamente entre los modelos conexionista y del lenguaje del pensamiento . La generalización y clasificación de conceptos se han modelado en una variedad de modelos conexionistas o redes neuronales , específicamente en dominios como el aprendizaje de idiomas y la categorización. [38] [39] Algunos enfatizan las limitaciones de los modelos conexionistas puros cuando se espera que generalicen instancias futuras después del entrenamiento en instancias anteriores. Gary Marcus , por ejemplo, afirma que los datos de entrenamiento tendrían que ser completamente exhaustivos para que se produzcan generalizaciones en los modelos conexionistas existentes y que, como resultado, no manejan bien las observaciones novedosas. Además, defiende una perspectiva integracionista entre un lenguaje de pensamiento, que consiste en representaciones y operaciones de símbolos, y modelos conexionistas que retienen el procesamiento distribuido que probablemente sea utilizado por las redes neuronales en el cerebro. [40]
Evidencia en humanos
En la práctica, los humanos habitualmente hacen generalizaciones conceptuales, lingüísticas y probabilísticas a partir de pequeñas cantidades de datos. [4] [41] [8] [42] Existe cierto debate sobre la utilidad de varias herramientas de inferencia estadística para comprender la mente, pero se acepta comúnmente que la mente humana es de alguna manera una máquina de predicción excepcionalmente apta, y que la acción -Los procesos orientados que subyacen a este fenómeno, independientemente de lo que puedan implicar, están en el centro de la cognición. [15] [43] Las inferencias probabilísticas y la generalización juegan un papel central en los conceptos y categorías y en el aprendizaje del lenguaje, [44] y los estudios infantiles se utilizan comúnmente para comprender la trayectoria de desarrollo de los conjuntos de herramientas estadísticas intuitivas de los seres humanos.
Estudios infantiles
Los psicólogos del desarrollo como Jean Piaget han argumentado tradicionalmente que los niños no desarrollan las capacidades cognitivas generales para la inferencia probabilística y la prueba de hipótesis hasta las etapas operativas concretas (de 7 a 11 años de edad) y operacionales formales (de 12 años a la edad adulta) , respectivamente. [45] [46]
Esto a veces se contrasta con una creciente preponderancia de evidencia empírica que sugiere que los humanos son capaces de generalizar en la infancia. Por ejemplo, los experimentos de tiempo de búsqueda que utilizaron los resultados esperados de proporciones de pelota de ping pong roja y blanca encontraron que los bebés de 8 meses parecen hacer inferencias sobre las características de la población de la que proviene la muestra, y viceversa cuando se les dan datos a nivel de población. [47] Otros experimentos han apoyado de manera similar la capacidad de inferencia probabilística con bebés de 6 y 11 meses, [48] pero no en bebés de 4,5 meses. [49]
El paradigma de la bola de colores en estos experimentos no distinguió las posibilidades de las inferencias de los bebés basadas en la cantidad frente a la proporción, lo que se abordó en una investigación de seguimiento en la que los bebés de 12 meses parecían comprender las proporciones, basando juicios probabilísticos, motivados por preferencias. para los resultados más probables - en la evidencia inicial de las proporciones en sus opciones disponibles. [50] Los críticos de la efectividad de las tareas de tiempo de observación permitieron a los bebés buscar objetos preferidos en tareas de probabilidad de muestra única, lo que respalda la noción de que los bebés pueden inferir probabilidades de eventos únicos cuando se les da un tamaño de muestra inicial pequeño o grande. [51] Los investigadores involucrados en estos hallazgos han argumentado que los seres humanos poseen algún sistema inferencial estructurado estadísticamente durante las etapas preverbales de desarrollo y antes de la educación formal. [47] [50]
Sin embargo, es menos claro cómo y por qué se observa la generalización en los bebés: podría extenderse directamente desde la detección y el almacenamiento de similitudes y diferencias en los datos entrantes o representaciones de frecuencia. Por el contrario, podría producirse mediante algo como la inferencia bayesiana de propósito general, comenzando con una base de conocimiento que está condicionada iterativamente a los datos para actualizar las probabilidades subjetivas o creencias. [52] [53] Esto enlaza preguntas sobre el conjunto de herramientas estadísticas que podrían estar involucradas en el aprendizaje y cómo se aplican específicamente al aprendizaje de bebés y niños.
Gopnik defiende la hipótesis de que el aprendizaje de los bebés y la niñez son ejemplos de inferencia inductiva, un mecanismo de generalización de propósito general que actúa sobre estructuras de información especializadas (" teorías ") en el cerebro. [54] Desde este punto de vista, los bebés y los niños son esencialmente protocientíficos porque utilizan regularmente una especie de método científico, desarrollando hipótesis, realizando experimentos a través del juego y actualizando modelos sobre el mundo en función de sus resultados. [55] Para Gopnik, este uso del pensamiento científico y la categorización en el desarrollo y la vida cotidiana puede formalizarse como modelos de inferencia bayesiana. [56] Una aplicación de este punto de vista es la "hipótesis de muestreo", o el punto de vista de que la variación individual en las inferencias causales y probabilísticas de los niños es un artefacto de muestreo aleatorio de un conjunto diverso de hipótesis y generalizaciones flexibles basadas en el comportamiento y el contexto del muestreo. [57] [58] Estos puntos de vista, particularmente aquellos que abogan por la actualización bayesiana general a partir de teorías especializadas, se consideran sucesores de la teoría de Piaget en lugar de refutaciones al por mayor porque mantienen su generalidad de dominio, viendo a los niños como al azar y no sistemáticamente considerando una gama de modelos antes de seleccionar una conclusión probable. [59]
En contraste con la visión mecanicista de propósito general, algunos investigadores abogan tanto por estructuras de información específicas de dominio como por mecanismos inferenciales especializados de manera similar. [60] [61] Por ejemplo, mientras que los humanos no suelen sobresalir en los cálculos de probabilidad condicional , el uso de cálculos de probabilidad condicional es fundamental para analizar los sonidos del habla en sílabas comprensibles, una habilidad relativamente sencilla e intuitiva que surge a los 8 meses. [62] Los bebés también parecen ser buenos para rastrear no solo los estados espacio-temporales de los objetos, sino también para rastrear las propiedades de los objetos, y estos sistemas cognitivos parecen ser distintos desde el punto de vista del desarrollo. Esto se ha interpretado como conjuntos de herramientas de inferencia específicos de dominio, cada uno de los cuales corresponde a tipos separados de información y tiene aplicaciones para el aprendizaje de conceptos . [60] [63]
Formación de conceptos
Los bebés usan similitudes y diferencias de forma para desarrollar conceptos relacionados con los objetos, y esto se basa en múltiples ensayos con múltiples patrones, que exhiben algún tipo de propiedad común entre los ensayos. [64] Los bebés parecen dominar esta habilidad en particular a los 12 meses, [65] pero diferentes conceptos y propiedades emplean diferentes principios relevantes de la psicología Gestalt , muchos de los cuales pueden surgir en diferentes etapas de desarrollo. [66] Específicamente, la categorización de bebés a partir de los 4,5 meses implica procesos iterativos e interdependientes mediante los cuales los ejemplos (datos) y sus similitudes y diferencias son cruciales para trazar límites alrededor de las categorías. [67] Estas reglas abstractas son estadísticas por naturaleza, porque pueden implicar co-ocurrencias comunes de ciertas propiedades percibidas en instancias pasadas y facilitar inferencias sobre su estructura en instancias futuras. [68] [69] Esta idea ha sido extrapolada por Douglas Hofstadter y Emmanuel Sander, quienes argumentan que debido a que la analogía es un proceso de inferencia que se basa en similitudes y diferencias entre las propiedades de los conceptos, la analogía y la categorización son fundamentalmente el mismo proceso utilizado para organizar conceptos de datos entrantes. [4]
Aprendizaje de idiomas
Los bebés y los niños pequeños no solo son capaces de generalizar la cantidad y proporción de rasgos, sino también de sistemas abstractos basados en reglas como el lenguaje y la música . [70] [71] Estas reglas pueden denominarse "reglas algebraicas" de estructura informativa abstracta y son representaciones de sistemas de reglas o gramáticas . [72] Para el lenguaje, los investigadores han defendido la creación de generalizaciones con inferencia bayesiana y detección de similitudes como un caso especial de formación de conceptos. [73] [74] Los bebés parecen ser competentes para inferir reglas abstractas y estructurales de corrientes de sonidos lingüísticos producidos en sus entornos de desarrollo, [75] y para generar predicciones más amplias basadas en esas reglas. [76]
Por ejemplo, los bebés de 9 meses son capaces de actualizar más rápida y dramáticamente sus expectativas cuando las cadenas de sílabas repetidas contienen características sorprendentes, como fonemas raros . [77] En general, los bebés preverbales parecen ser capaces de discriminar entre gramáticas con las que han sido entrenados con experiencia y gramáticas novedosas. [78] [79] En las tareas de tiempo de observación de bebés de 7 meses, los bebés parecían prestar más atención a estructuras gramaticales desconocidas que a las familiares, [72] y en un estudio separado que utilizó cadenas de 3 sílabas, los bebés parecían De manera similar, han generalizado expectativas basadas en la estructura silábica abstracta presentada anteriormente, lo que sugiere que usaron ocurrencias superficiales, o datos, para inferir una estructura abstracta más profunda. Esto fue tomado para apoyar la visión de “múltiples hipótesis [o modelos]” de los investigadores involucrados. [80] [81]
Evidencia en animales no humanos
Loros grises
Múltiples estudios de Irene Pepperberg y sus colegas sugirieron que los loros grises ( Psittacus erithacus ) tienen cierta capacidad para reconocer números o conceptos similares a números, y parecen comprender la ordinalidad y cardinalidad de los números. [82] [83] [84] Experimentos recientes también indicaron que, dado cierto entrenamiento en el lenguaje y capacidad para hacer referencia a objetos reconocidos, también tienen cierta capacidad para hacer inferencias sobre probabilidades y proporciones de tipos de objetos ocultos. [85]
Primates no humanos
Los experimentos encontraron que al razonar sobre las proporciones de alimentos preferidos frente a los no preferidos, los monos capuchinos pudieron hacer inferencias sobre las proporciones inferidas por los datos muestreados secuencialmente. [86] Los monos Rhesus eran igualmente capaces de utilizar datos probabilísticos y muestreados secuencialmente para hacer inferencias sobre resultados gratificantes, y la actividad neuronal en la corteza parietal parecía estar involucrada en el proceso de toma de decisiones cuando hacían inferencias. [87] En una serie de 7 experimentos que utilizaron una variedad de diferencias de frecuencia relativa entre los gránulos de plátano y las zanahorias, los orangutanes , bonobos , chimpancés y gorilas también parecieron guiar sus decisiones en función de las proporciones a favor de los gránulos de plátano después de que se estableciera como su preferencia. alimento. [88]
Aplicaciones
Razonamiento en medicina
La investigación sobre el razonamiento en medicina, o razonamiento clínico, generalmente se centra en los procesos cognitivos y / o los resultados de la toma de decisiones entre médicos y pacientes. Las consideraciones incluyen evaluaciones de riesgo, preferencias del paciente y conocimiento médico basado en evidencia . [89] A nivel cognitivo, la inferencia clínica se basa en gran medida en la interacción entre la abstracción , la abducción , la deducción y la inducción . [90] Las "teorías" intuitivas, o conocimiento en medicina, pueden entenderse como prototipos en espacios conceptuales o, alternativamente, como redes semánticas . [91] [92] Estos modelos sirven como punto de partida para hacer generalizaciones intuitivas a partir de un pequeño número de pistas, lo que resulta en el compromiso del médico entre el "arte y la ciencia" del juicio médico. [93] Esta compensación se capturó en un programa de inteligencia artificial (IA) llamado MYCIN, que superó a los estudiantes de medicina, pero no a los médicos experimentados con una amplia práctica en el reconocimiento de síntomas. [93] [94] [95] [89] Algunos investigadores argumentan que a pesar de esto, los médicos son propensos a sesgos sistemáticos, o ilusiones cognitivas, en su juicio (p. Ej., Satisfactorio para hacer diagnósticos prematuros, sesgo de confirmación cuando se sospecha un diagnóstico a priori ). [89]
Comunicación de riesgo del paciente
La alfabetización estadística y los juicios de riesgo se han descrito como problemáticos para la comunicación médico-paciente. [96] Por ejemplo, los médicos con frecuencia inflan el riesgo percibido de la falta de tratamiento, [97] alteran las percepciones de riesgo de los pacientes al enmarcar positiva o negativamente estadísticas individuales (p. Ej., Tasa de supervivencia del 97% frente a tasa de muerte del 3%) y / o fallan en comunicar suficientemente "clases de referencia" de enunciados de probabilidad a los pacientes. [98] La clase de referencia es el objeto de una declaración de probabilidad: si un psiquiatra dice, por ejemplo, "este medicamento puede conducir a un 30-50% de probabilidad de un problema sexual", es ambiguo si esto significa que 30-50 % de los pacientes desarrollarán un problema sexual en algún momento, o si todos los pacientes tendrán problemas en el 30-50% de sus encuentros sexuales. [99]
Tasas base en el juicio clínico
En los estudios de negligencia de tasa base , los problemas que se les dan a los participantes a menudo utilizan tasas base de prevalencia de la enfermedad. En estos experimentos, los médicos y no médicos son igualmente susceptibles a la negligencia de la tasa base o errores en el cálculo de la probabilidad condicional. Aquí hay un ejemplo de un problema de encuesta empírica dado a médicos experimentados: Suponga que un cáncer hipotético tiene una prevalencia del 0.3% en la población, y la tasa de verdaderos positivos de una prueba de detección es del 50% con una tasa de falsos positivos del 3%. Dado un paciente con un resultado positivo en la prueba, ¿cuál es la probabilidad de que el paciente tenga cáncer? Cuando se les hizo esta pregunta, los médicos con un promedio de 14 años de experiencia en la práctica médica variaron en sus respuestas del 1 al 99%, siendo la mayoría de las respuestas un 47% o 50%. (La respuesta correcta es 5%.) [98] Esta observación de negligencia de la tasa de base clínica y error de probabilidad condicional se ha replicado en múltiples estudios empíricos. [96] [100] Sin embargo, los juicios de los médicos en problemas similares mejoraron sustancialmente cuando las tasas se reformularon como frecuencias naturales. [101]
Referencias
- ^ a b c d e f g h Gigerenzer, Gerd; Murray, David J. (2015). La cognición como estadística intuitiva . Londres: Psychology Press. ISBN 9781138950221. OCLC 918941179 .
- ^ a b Gopnik, Alison; Tenenbaum, Joshua B. (mayo de 2007). "Redes bayesianas, aprendizaje bayesiano y desarrollo cognitivo". Ciencia del desarrollo . 10 (3): 281-287. doi : 10.1111 / j.1467-7687.2007.00584.x . ISSN 1363-755X . PMID 17444969 .
- ^ Gopnik, Alison (agosto de 2011). "La Teoría Teoría 2.0: Modelos Probabilísticos y Desarrollo Cognitivo". Perspectivas de desarrollo infantil . 5 (3): 161-163. doi : 10.1111 / j.1750-8606.2011.00179.x . ISSN 1750-8592 .
- ^ a b c Hofstadter, Douglas R .; Sander, Emmanuel (2012). Superficies y esencias: la analogía como combustible y fuego del pensamiento . Nueva York: Basic Books. ISBN 9780465018475. OCLC 841172513 .
- ^ a b Goodman, ND; Tenenbaum, JB; Gerstenberg, T. (15 de febrero de 2014). "Conceptos en un lenguaje de pensamiento probabilístico" (PDF) . Archivado (PDF) desde el original el 27 de abril de 2017 . Consultado el 24 de julio de 2018 .
- ^ a b c Nickerson, Raymond S. (2004). Cognición y azar: la psicología del razonamiento probabilístico . Mahwah, Nueva Jersey: Lawrence Erlbaum Associates. ISBN 9780805848991. OCLC 56115142 .
- ^ Neisser, Ulric, ed. (1987). Conceptos y desarrollo conceptual: factores ecológicos e intelectuales en la categorización . Primera Conferencia del Proyecto Cognición de Emory, 11-12 de octubre de 1984, Universidad de Emory. Cambridge: Cambridge University Press. ISBN 0521322197. OCLC 14905937 .
- ^ a b c Goodman, ND; Tenenbaum, JB (2016). Modelos probabilísticos de cognición (2ª ed.). Archivado desde el original el 11 de mayo de 2018 . Consultado el 24 de abril de 2018 , a través de https://probmods.org/ .
- ^ Hume, David; Levine, Michael P. (2005). Un tratado de la naturaleza humana . Nueva York, NY: Barnes & Noble. ISBN 0760771723. OCLC 404025944 .
- ^ Hackeo, Ian (2001). Introducción a la probabilidad y la lógica inductiva . Cambridge, Reino Unido: Cambridge University Press. ISBN 0521772877. OCLC 44969631 .
- ^ Salvaje, Leonard J. (1954). Los fundamentos de la estadística . Nueva York: Wiley.
- ^ a b Von Mises, Richard (1981). Probabilidad, estadística y verdad (2ª ed.). Nueva York: Publicaciones de Dover. ISBN 0486242145. OCLC 8320292 .
- ^ a b c d Cosmides, L; Tooby, J (enero de 1996). "¿Son los humanos buenos estadísticos intuitivos después de todo? Repensar algunas conclusiones de la literatura sobre el juicio bajo incertidumbre". Cognición . 58 (1): 1–73. doi : 10.1016 / 0010-0277 (95) 00664-8 .
- ^ Pearl, Judea (2000). Causalidad: modelos, razonamiento e inferencia . Cambridge, Reino Unido: Cambridge University Press. ISBN 9781139649360. OCLC 834142635 .
- ^ a b Clark, Andy (junio de 2013). "¿Qué sigue? Cerebros predictivos, agentes situados y el futuro de la ciencia cognitiva" . Ciencias del comportamiento y del cerebro . 36 (3): 181-204. doi : 10.1017 / s0140525x12000477 . ISSN 0140-525X . PMID 23663408 .
- ^ Edwards W. (1968). "Conservadurismo en el procesamiento de información humana". En Kleinmuntz B (ed.). Representación formal del juicio humano . Simposio de cognición. Nueva York: Wiley.
- ^ Haselton, Martie G .; Buss, David M. (2000). "Teoría de la gestión de errores: una nueva perspectiva sobre los sesgos en la lectura de la mente entre sexos". Revista de Personalidad y Psicología Social . 78 (1): 81–91. doi : 10.1037 / 0022-3514.78.1.81 . PMID 10653507 .
- ^ Nesse, RM (mayo de 2001). "El principio del detector de humo. La selección natural y la regulación de las respuestas defensivas". Anales de la Academia de Ciencias de Nueva York . 935 : 75–85. doi : 10.1111 / j.1749-6632.2001.tb03472.x . hdl : 2027,42 / 75092 . PMID 11411177 .
- ^ Barrett, Justin L .; Johnson, Amanda Hankes (agosto de 2003). "El papel del control en la atribución de agencia intencional a objetos inanimados" . Revista de cognición y cultura . 3 (3): 208–217. doi : 10.1163 / 156853703322336634 .
- ^ Gray, Kurt; Wegner, Daniel M. (febrero de 2010). "Culpar a Dios de nuestro dolor: el sufrimiento humano y la mente divina". Reseña de Personalidad y Psicología Social . 14 (1): 7–16. doi : 10.1177 / 1088868309350299 . PMID 19926831 .
- ^ a b c d e Gigerenzer, G (1991). "Cómo hacer desaparecer las ilusiones cognitivas: más allá de" heurísticas y sesgos " ". Revista europea de psicología social . 2 (1): 83-115. doi : 10.1080 / 14792779143000033 .
- ^ Gilovich, Thomas; Griffin, Dale W .; Kahneman, Daniel (2002). Heurística y sesgos: la psicología del juicio intuitivo . Cambridge, Reino Unido: Cambridge University Press. ISBN 9780521796798. OCLC 47364085 .
- ^ Kahneman, Daniel; Tversky, Amos (1979). "Teoría de la perspectiva: un análisis de decisión bajo riesgo". Econometrica . 47 (2): 263-291. doi : 10.2307 / 1914185 . JSTOR 1914185 .
- ^ a b Tversky, Amos; Kahneman, Daniel (1983). "Razonamiento extensional versus intuitivo: la falacia de la conjunción en el juicio de probabilidad". Revisión psicológica . 90 (4): 293–315. doi : 10.1037 / 0033-295x.90.4.293 .
- ^ a b Gilovich, Thomas; Vallone, Robert; Tversky, Amos (julio de 1985). "La mano caliente en el baloncesto: sobre la percepción errónea de secuencias aleatorias". Psicología cognitiva . 17 (3): 295–314. doi : 10.1016 / 0010-0285 (85) 90010-6 . ISSN 0010-0285 .
- ^ Nisbett, Richard E .; Ross, Lee (1980). Inferencia humana: estrategias y deficiencias del juicio social . Englewood Cliffs, Nueva Jersey: Prentice-Hall. ISBN 0134451309. OCLC 5411525 .
- ^ Simon, HA (marzo de 1956). "Elección racional y estructura del entorno". Revisión psicológica . 63 (2): 129-138. doi : 10.1037 / h0042769 . PMID 13310708 .
- ^ Kahneman, Daniel; Tversky, Amos (1973). "En la psicología de la predicción". Revisión psicológica . 80 (4): 237-251. doi : 10.1037 / h0034747 .
- ^ Ajzen, Icek (1977). "Teorías intuitivas de eventos y los efectos de la información de tasa base en la predicción". Revista de Personalidad y Psicología Social . 35 (5): 303–314. doi : 10.1037 / 0022-3514.35.5.303 .
- ^ Hackeo (1965). Lógica de inferencia estadística . Prensa de la Universidad de Cambridge. ISBN 9780521051651. OCLC 704034945 .
- ^ a b Kahneman, Daniel; Tversky, Amos (1996). "Sobre la realidad de las ilusiones cognitivas". Revisión psicológica . 103 (3): 582–591. doi : 10.1037 / 0033-295x.103.3.582 . PMID 8759048 .
- ^ Haselton, Martie; Bryant, Gregory A .; Wilke, Andreas; Frederick, David; Galperin, Andrew; Frankenhuis, Willem E .; Moore, Tyler (2009). "Racionalidad adaptativa: una perspectiva evolutiva sobre el sesgo cognitivo" . Cognición social . 27 (5): 733–763. doi : 10.1521 / soco.2009.27.5.733 .
- ^ Kahneman, Daniel; Tversky, Amos (1973). "En la psicología de la predicción". Revisión psicológica . 80 (4): 237-251. doi : 10.1037 / h0034747 .
- ^ Bar-Hillel, Maya (mayo de 1980). "La falacia de la tasa base en los juicios de probabilidad". Acta Psychologica . 44 (3): 211-233. doi : 10.1016 / 0001-6918 (80) 90046-3 . ISSN 0001-6918 .
- ^ Gigerenzer, G. (1994). Por qué la distinción entre probabilidades y frecuencias de un solo evento es importante para la psicología (y viceversa). En G. Wright y P. Ayton (Eds.), Probabilidad subjetiva (págs. 129-161). Oxford, Inglaterra: John Wiley & Sons.
- ^ Gluck, M. y Bower, GH (1988). Del condicionamiento al aprendizaje de categorías: un modelo de red adaptativo. Revista de Psicología Experimental: General. 117. 227-247
- ^ a b Fiedler, Klaus (septiembre de 1988). "La dependencia de la falacia de la conjunción de factores lingüísticos sutiles". Investigación psicológica . 50 (2): 123-129. doi : 10.1007 / bf00309212 .
- ^ Elman, Jeffrey L. (1996). Repensar lo innato: una perspectiva conexionista del desarrollo . Cambridge, Mass .: MIT Press. ISBN 0585020345. OCLC 42854159 .
- ^ O'Reilly, Randall C .; Munakata, Yuko (2000). Exploraciones computacionales en neurociencia cognitiva: comprensión de la mente mediante la simulación del cerebro . Cambridge, Mass .: MIT Press. ISBN 0262650541. OCLC 43083232 .
- ^ Marcus, Gary F. (2001). La mente algebraica: integrando el conexionismo y la ciencia cognitiva . Cambridge, Mass .: MIT Press. ISBN 0262133792. OCLC 43954048 .
- ^ Lakoff, George (1987). Mujeres, fuego y cosas peligrosas: qué categorías revelan sobre la mente . Chicago: Prensa de la Universidad de Chicago. ISBN 9780226468044. OCLC 14001013 .
- ^ Griffiths, Thomas L .; Tenenbaum, Joshua B. (septiembre de 2006). "Predicciones óptimas en la cognición cotidiana". Ciencia psicológica . 17 (9): 767–773. doi : 10.1111 / j.1467-9280.2006.01780.x . ISSN 0956-7976 . PMID 16984293 .
- ^ Clark, Andy (enero de 2015). Predicción encarnada . Mente abierta . Frankfurt am Main, Alemania: MIND Group. doi : 10.15502 / 9783958570115 . ISBN 9783958570115.
- ^ Goodman, Noah; Tenenbaum, Joshua; Feldman, Jacob; Griffiths, Thomas (enero de 2008). "Un análisis racional del aprendizaje de conceptos basado en reglas" . Ciencia cognitiva . 32 (1): 108-154. doi : 10.1080 / 03640210701802071 . ISSN 0364-0213 . PMID 21635333 .
- ^ Piaget, Jean; Inhelder, Bärbel (1976). Origen de la idea de azar en los niños . Nueva York: WW Norton & Co. ISBN 9780393008036. OCLC 753479728 .
- ^ Piaget, J. (1983). "Teoría de Piaget". En P. Mussen (ed.). Manual de psicología infantil . Vol. 1: Historia, teoría y métodos. W. Kessen (vol. Ed.) (4ª ed.). Nueva York: John Wiley. OCLC 863228206 .
|volume=
tiene texto extra ( ayuda ) - ^ a b Xu, Fei ; García, Vashti (1 de abril de 2008). "Estadísticas intuitivas de bebés de 8 meses" . Actas de la Academia Nacional de Ciencias . 105 (13): 5012–5015. doi : 10.1073 / pnas.0704450105 . PMC 2278207 . PMID 18378901 .
- ^ Denison, Stephanie; Xu, Fei (julio de 2010). "Integración de las limitaciones físicas en la inferencia estadística por bebés de 11 meses" . Ciencia cognitiva . 34 (5): 885–908. doi : 10.1111 / j.1551-6709.2010.01111.x . ISSN 1551-6709 . PMID 21564238 .
- ^ Denison, Stephanie; Reed, Christie; Xu, Fei (febrero de 2013). "La aparición del razonamiento probabilístico en bebés muy pequeños: evidencia de 4.5 y 6 meses de edad". Psicología del desarrollo . 49 (2): 243–249. doi : 10.1037 / a0028278 . PMID 22545837 .
- ^ a b Denison, Stephanie; Xu, Fei (marzo de 2014). "Los orígenes de la inferencia probabilística en bebés humanos". Cognición . 130 (3): 335–347. doi : 10.1016 / j.cognition.2013.12.001 . PMID 24384147 .
- ^ Denison, Stephanie; Xu, Fei (septiembre de 2010). "Los bebés de 12 a 14 meses pueden predecir la probabilidad de un evento único con conjuntos de gran tamaño". Ciencia del desarrollo . 13 (5): 798–803. doi : 10.1111 / j.1467-7687.2009.00943.x . PMID 20712746 .
- ^ Gerken, LouAnn (mayo de 2010). "Los bebés utilizan criterios de decisión racionales para elegir entre los modelos de su entrada" . Cognición . 115 (2): 362–366. doi : 10.1016 / j.cognition.2010.01.006 . PMC 2835817 . PMID 20144828 .
- ^ Gopnik, A .; Meltzoff, AN (1997). Palabras, pensamientos y teorías . Cambridge, MA: MIT Press. ISBN 9780262571265. OCLC 438680292 .
- ^ Gopnik, A. y Wellman, H. (1994). "La teoría teoría". En A. Hirschfeld & SA Gelman (eds.). Mapeo de la mente: especificidad de dominio en cognición y cultura . Nueva York: Cambridge University Press. pp. 257 -293. ISBN 0521419662. OCLC 27937150 .
- ^ Gopnik, Alison; Meltzoff, Andrew N .; Kuhl, Patricia K. (2001). El científico en la cuna: lo que nos dice el aprendizaje temprano sobre la mente (1ª ed.). Nueva York: HarperPerennial. ISBN 9780688177881. OCLC 46453058 .
- ^ Gopnik, Alison (28 de septiembre de 2012). "Pensamiento científico en niños pequeños: avances teóricos, investigación empírica e implicaciones políticas". Ciencia . 337 (6102): 1623–1627. Código bibliográfico : 2012Sci ... 337.1623G . doi : 10.1126 / science.1223416 . PMID 23019643 .
- ^ Denison, Stephanie; Bonawitz, Elizabeth; Gopnik, Alison; Griffiths, Thomas L. (febrero de 2013). "Variabilidad racional en las inferencias causales de los niños: la hipótesis del muestreo". Cognición . 126 (2): 285–300. doi : 10.1016 / j.cognition.2012.10.010 . PMID 23200511 .
- ^ Gweon, Hyowon; Tenenbaum, Joshua B .; Schulz, Laura E. (mayo de 2010). "Los infantes consideran tanto la muestra como el proceso de muestreo en generalización inductiva" . Actas de la Academia Nacional de Ciencias . 107 (20): 9066–9071. Código bibliográfico : 2010PNAS..107.9066G . doi : 10.1073 / pnas.1003095107 . PMC 2889113 . PMID 20435914 .
- ^ Siegler, Robert S. (enero de 2000). "El renacimiento del aprendizaje de los niños". Desarrollo infantil . 71 (1): 26–35. doi : 10.1111 / 1467-8624.00115 . PMID 10836555 .
- ^ a b Barrett, H. Clark (2015). La forma del pensamiento: cómo evolucionan las adaptaciones mentales . Nueva York. ISBN 9780199348312. OCLC 881386175 .
- ^ Sperber, D. (1994). "La modularidad del pensamiento y la epidemiología de las representaciones". En Hirschfeld, L .; Gelman, S. (eds.). Mapeo de la mente . Prensa de la Universidad de Cambridge.
- ^ Tataru, Paula; Hobolth, Asger (5 de diciembre de 2011). "Comparación de métodos para calcular expectativas condicionales de estadísticas suficientes para cadenas de Markov en tiempo continuo" . BMC Bioinformática . 12 : 465. doi : 10.1186 / 1471-2105-12-465 . PMC 3329461 . PMID 22142146 .
- ^ Xu, Fei (septiembre de 1999). "Individualización de objeto e identidad de objeto en la infancia: el papel de la información espacio-temporal, la información de propiedad del objeto y el lenguaje". Acta Psychologica . 102 (2-3): 113-136. doi : 10.1016 / s0001-6918 (99) 00029-3 . PMID 10504878 .
- ^ Quinn, Paul C .; Bhatt, Ramesh S. (julio de 2005). "Aprendizaje de la organización perceptiva en la infancia". Ciencia psicológica . 16 (7): 511–515. doi : 10.1111 / j.0956-7976.2005.01567.x . ISSN 0956-7976 . PMID 16008781 .
- ^ Gómez, Rebecca L .; Lakusta, Laura (noviembre de 2004). "Un primer paso en la abstracción de categorías basada en formas por parte de bebés de 12 meses". Ciencia del desarrollo . 7 (5): 567–580. doi : 10.1111 / j.1467-7687.2004.00381.x . PMID 15603290 .
- ^ Quinn, Paul C .; Bhatt, Ramesh S .; Pincel, Diana; Grimes, otoño; Sharpnack, Heather (julio de 2002). "Desarrollo de semejanza de forma como principio de agrupación Gestalt en la infancia". Ciencia psicológica . 13 (4): 320–328. doi : 10.1111 / 1467-9280.00459 . ISSN 0956-7976 . PMID 12137134 .
- ^ Needham, Amy; Dueker, Gwenden; Lockhead, Gregory (enero de 2005). "Formación de infantes y uso de categorías para segregar objetos". Cognición . 94 (3): 215–240. doi : 10.1016 / j.cognition.2004.02.002 . PMID 15617672 .
- ^ Gómez, Rebecca L. (septiembre de 2002). "Variabilidad y detección de estructura invariante". Ciencia psicológica . 13 (5): 431–436. doi : 10.1111 / 1467-9280.00476 . ISSN 0956-7976 . PMID 12219809 .
- ^ Thiessen, Erik D. (5 de enero de 2017). "¿Qué es estadístico sobre el aprendizaje? Insights de modelar el aprendizaje estadístico como un conjunto de procesos de memoria" . Phil. Trans. R. Soc. B . 372 (1711): 20160056. doi : 10.1098 / rstb.2016.0056 . PMC 5124081 . PMID 27872374 . 20160056.
- ^ Marcus, Gary F .; Fernandes, Keith J .; Johnson, Scott P. (mayo de 2007). "Aprendizaje de reglas infantil facilitado por el habla". Ciencia psicológica . 18 (5): 387–391. doi : 10.1111 / j.1467-9280.2007.01910.x . PMID 17576276 .
- ^ Gerken, LouAnn; Wilson, Rachel; Lewis, William (mayo de 2005). "Los bebés pueden utilizar señales de distribución para formar categorías sintácticas". Revista del lenguaje infantil . 32 (2): 249–268. doi : 10.1017 / S0305000904006786 . PMID 16045250 .
- ^ a b Marcus, GF; Vijayan, S .; Rao, S. Bandi; Vishton, PM (1 de enero de 1999). "Aprendizaje de reglas por bebés de siete meses". Ciencia . 283 (5398): 77–80. Código Bibliográfico : 1999Sci ... 283 ... 77M . doi : 10.1126 / science.283.5398.77 . PMID 9872745 .
- ^ Tenenbaum, JB; Griffiths, TL (agosto de 2001). "Generalización, similitud e inferencia bayesiana". Las ciencias del comportamiento y el cerebro . 24 (4): 629–640, discusión 652–791. doi : 10.1017 / s0140525x01000061 . ISSN 0140-525X . PMID 12048947 .
- ^ Xu, Fei ; Tenenbaum, Joshua B. (abril de 2007). "El aprendizaje de palabras como inferencia bayesiana" . Revisión psicológica . 114 (2): 245-272. doi : 10.1037 / 0033-295X.114.2.245 . PMID 17500627 .
- ^ Gerken, L. (octubre de 2004). "Los niños de nueve meses extraen los principios estructurales necesarios para el lenguaje natural". Cognición . 93 (3): B89 – B96. doi : 10.1016 / j.cognition.2003.11.005 . ISSN 0010-0277 . PMID 15178379 .
- ^ Gerken, L .; Bollt, A. (2008). "Tres ejemplos permiten al menos algunas generalizaciones lingüísticas: implicaciones para los mecanismos de generalización y restricciones". Aprendizaje y desarrollo de idiomas . 4 (3): 228–248. doi : 10.1080 / 15475440802143117 .
- ^ Gerken, LouAnn; Dawson, Colin; Chatila, Razanne; Tenenbaum, Joshua (abril de 2014). "¡Sorpresa! Los bebés consideran posibles bases de generalización para un solo ejemplo de entrada" . Ciencia del desarrollo . 18 (1): 80–89. doi : 10.1111 / desc.12183 . PMC 4188806 . PMID 24703007 .
- ^ Gómez, Rebecca L .; Gerken, LouAnn (marzo de 1999). "El aprendizaje de la gramática artificial por parte de los niños de 1 año conduce a conocimientos específicos y abstractos". Cognición . 70 (2): 109-135. doi : 10.1016 / s0010-0277 (99) 00003-7 . PMID 10349760 .
- ^ Chambers, Kyle E .; Onishi, Kristine H .; Fisher, Cynthia (marzo de 2003). "Los bebés aprenden regularidades fonotácticas a partir de una breve experiencia auditiva". Cognición . 87 (2): B69 – B77. doi : 10.1016 / s0010-0277 (02) 00233-0 . ISSN 0010-0277 . PMID 12590043 .
- ^ Gerken, LouAnn (mayo de 2010). "Los bebés utilizan criterios de decisión racionales para elegir entre los modelos de su entrada" . Cognición . 115 (2): 362–366. doi : 10.1016 / j.cognition.2010.01.006 . PMC 2835817 . PMID 20144828 .
- ^ Gerken, LouAnn (enero de 2006). "Decisiones, decisiones: aprendizaje del lenguaje infantil cuando son posibles múltiples generalizaciones". Cognición . 98 (3): B67 – B74. doi : 10.1016 / j.cognition.2005.03.003 . PMID 15992791 .
- ^ Pepperberg, Irene M .; Carey, Susan (noviembre de 2012). "Adquisición de número de loro gris: la inferencia del valor cardinal de la posición ordinal en la lista de números" . Cognición . 125 (2): 219–232. doi : 10.1016 / j.cognition.2012.07.003 . PMC 3434310 . PMID 22878117 .
- ^ Pepperberg, Irene M. (febrero de 2013). "Conceptos abstractos: datos de un loro gris". Procesos conductuales . 93 : 82–90. doi : 10.1016 / j.beproc.2012.09.016 . PMID 23089384 .
- ^ Pepperberg, Irene M .; Gordon, Jesse D. (mayo de 2005). "Comprensión de números por un loro gris ( Psittacus erithacus ), incluido un concepto de cero" . Revista de Psicología Comparada . 119 (2): 197-209. doi : 10.1037 / 0735-7036.119.2.197 . PMID 15982163 .
- ^ Clements, Katherine A .; Gray, Suzanne L .; Gross, Brya; Pepperberg, Irene M. (mayo de 2018). "Evidencia inicial para el razonamiento probabilístico en un loro gris ( Psittacus erithacus )". Revista de Psicología Comparada . 132 (2): 166-177. doi : 10.1037 / com0000106 . PMID 29528667 .
- ^ Tecwyn, Emma C .; Denison, Stephanie; Messer, Emily JE; Buchsbaum, Daphna (marzo de 2017). "Inferencia probabilística intuitiva en monos capuchinos". Cognición animal . 20 (2): 243-256. doi : 10.1007 / s10071-016-1043-9 . PMID 27744528 .
- ^ Yang, Tianming; Shadlen, Michael N. (28 de junio de 2007). "Razonamiento probabilístico por neuronas". Naturaleza . 447 (7148): 1075–1080. Código Bibliográfico : 2007Natur.447.1075Y . doi : 10.1038 / nature05852 . ISSN 0028-0836 . PMID 17546027 .
- ^ Rakoczy, Hannes; Clüver, Annette; Saucke, Liane; Stoffregen, Nicole; Gräbener, Alice; Migura, Judith; Call, Josep (abril de 2014). "Los simios son estadísticos intuitivos". Cognición . 131 (1): 60–68. doi : 10.1016 / j.cognition.2013.12.011 . ISSN 0010-0277 . PMID 24440657 .
- ^ a b c diez Cate, Olle; Custers, Eugène JFM; Durning, Steven J., eds. (2011). Principios y práctica de la educación en razonamiento clínico basado en casos: un método para estudiantes preclínicos . Cham: Springer Internacional. ISBN 9783319648286. OCLC 1017833633 .
- ^ Holyoak, Keith James; Morrison, Robert G., eds. (2005). El manual de Cambridge de pensamiento y razonamiento . Nueva York: Cambridge University Press. ISBN 9780521824170. OCLC 56011371 .
- ^ Custers, Eugène JFM (mayo de 2015). "Treinta años de guiones de enfermedad: orígenes teóricos y aplicaciones prácticas". Profesora de Medicina . 37 (5): 457–462. doi : 10.3109 / 0142159X.2014.956052 . PMID 25180878 .
- ^ Custers, EJ; Regehr, G .; Norman, GR (octubre de 1996). "Representaciones mentales del conocimiento del diagnóstico médico: una revisión" . Medicina académica . 71 (Supl. 10): S55–561. doi : 10.1097 / 00001888-199610000-00044 . PMID 8940935 .
- ^ a b Shortliffe, Edward H .; Buchanan, Bruce G. (abril de 1975). "Un modelo de razonamiento inexacto en medicina". Biociencias matemáticas . 23 (3–4): 351–379. doi : 10.1016 / 0025-5564 (75) 90047-4 .
- ^ Heckerman, David E .; Shortliffe, Edward H. (febrero de 1992). "De los factores de certeza a las redes de creencias". Inteligencia artificial en Medicina . 4 (1): 35–52. doi : 10.1016 / 0933-3657 (92) 90036-o .
- ^ Milofsky, Carl; Elstein, Arthur S .; Shulman, Lee S .; Sprafka, Sarah A. (noviembre de 1979). "Resolución de problemas médicos: un análisis del razonamiento clínico". Revista Estadounidense de Sociología . 85 (3): 703–705. doi : 10.1086 / 227074 . ISSN 0002-9602 .
- ^ a b Gigerenzer, Gerd; Gray, JA Muir, eds. (2011). Mejores médicos, mejores pacientes, mejores decisiones: visualizando la atención médica 2020 . Foro Ernst Strüngmann 2009: Fráncfort del Meno, Alemania. Cambridge, Mass .: MIT Press. ISBN 9780262298957. OCLC 733263173 .
- ^ Wegwarth, Odette; Wagner, Gert G .; Gigerenzer, Gerd (23 de agosto de 2017). "¿Pueden los hechos triunfar sobre la confianza incondicional? La información basada en evidencias reduce a la mitad la influencia de las recomendaciones de detección de cáncer no basadas en evidencias de los médicos" . PLOS ONE . 12 (8): e0183024. Código Bib : 2017PLoSO..1283024W . doi : 10.1371 / journal.pone.0183024 . PMC 5568103 . PMID 28832633 . e0183024.
- ^ a b Gigerenzer, Gerd; Edwards, Adrian (septiembre de 2003). "Herramientas sencillas para comprender los riesgos: del analfabetismo al insight" . BMJ . 327 (7417): 741–744. doi : 10.1136 / bmj.327.7417.741 . ISSN 0959-8138 . PMC 200816 . PMID 14512488 .
- ^ Gigerenzer, Gerd (2008). Racionalidad para los mortales: cómo las personas afrontan la incertidumbre . Oxford; Nueva York: Oxford University Press. ISBN 9780199747092. OCLC 156902311 .
- ^ Casscells, W .; Schoenberger, A .; Graboys, TB (noviembre de 1978). "Interpretación por médicos de resultados de laboratorio clínico". La Revista de Medicina de Nueva Inglaterra . 299 (18): 999–1001. doi : 10.1056 / NEJM197811022991808 . ISSN 0028-4793 . PMID 692627 .
- ^ Hoffrage, U .; Gigerenzer, G. (mayo de 1998). "Utilización de frecuencias naturales para mejorar las inferencias diagnósticas" . Medicina académica . 73 (5): 538–540. doi : 10.1097 / 00001888-199805000-00024 . hdl : 11858 / 00-001M-0000-0025-A092-2 . PMID 9609869 .